摘要

引言

一、研究框架

1.营商环境测度方法

这一部分使用PCA方法进行测度，首先对每个一级指标下的诸多指标进行整合，得到五个子系统的得分情况，然后再用同样的方法对五个子系统再做一次PCA，得到最终的营商环境指标。

2.营商环境分析方法

（1）营商环境的动态分布演进分析

这一部分使用非参中的核密度曲线进行反映。

（2）营商环境的区域差异分析

这一部分使用Dagum基尼系数来进行分析。

（3）营商环境的收敛性分析

实际上，是对上一部分的拓展，前面是一个静态的分析，重点考察了不同地区间和内部的差异。这一步则是采取一个动态的视角来进行考察。本文引入发展经济学中论证经济发展水平趋同特征的收敛模型对营商环境进行“存量”和“增量”的差异分析并进行检验，以明确营商环境的收敛特征。这一部分使用两种收敛模型进行分析。

其中\(\sigma\)收敛模型重点在于：

  • 存量分析
  • 地区营商环境偏离整体平均说的差异及其动态变化趋势

（4）营商环境的地区空间集聚性分析

这一部分使用Moran’s I指数来进行分析

3.数据来源和说明

待补充。

二、基本事实特征：营商环境测度结果

1.营商环境指标子系统发展趋势


此处要加一段过渡的说明

从以上雷达图中，可以发现：在样本考察期内的2010年至2019年，东部地区在除去“政府对企业保护”这一维度上要明显弱于其他两个区域外，其余的4个维度都要强于另外两个区域。而东部地区，虽然也在“政府对企业保护”弱于西部地区，但是在其余4个维度上始终强于西部地区。

近一步，为了更加详细展示5个子系统在不同区域和不同时间的变化情况，本文采取了分面图的形式进行说明。

由上图可以看出，对于“开放化水平”、“企业法治环境”和“企业经营环境”这三个子系统， 三大区域都是呈现一个随时间递增的趋势。其中，东部地区在这三个子系统方面始终领先于另外两个区域。对于中部地区和西部地区而言，在“开放化水平”子系统下，西部地区要高于中部地区，而在“企业法治环境”中则恰恰相反，在“企业经营环境”中，两个地区则比较接近。对于“政府对企业的保护”和“政府公共服务水平”而言，三大区域的随时间变化趋势较为平稳。与之前雷达图所反映的信息一样，西部地区在这“政府对企业的保护”子系统下的得分始终高于其余两个地区，而在“政府公共服务水平”中，期初中部地区和东部地区的差异不大，但在2017年时，东部地区的得分高于中部地区，而且两者之间的差距随时间不断扩大。


在上图中，三大区域的5个子系统随时间变化的趋势各不相同。首先，从5个子系统的相对变化趋势而言。对于东部地区，5个子系统的得分趋近于发散；对于中部地区，得分基本保持平稳，但是存在收敛的趋势；对于西部地区而言，收敛趋势十分明显。

其次，具体而言，对于东部地区。“企业法治环境”子系统得分变化最大，“开放化水平”次之，再次“企业经营环境”，最后是“政府公共服务水平”，而“政府对企业的保护”得分相对稳定；对于中部地区而言，除去“政府公共服务水平”和“企业法治环境”在个别年份出现下降之外，其余子系统的得分均呈现出稳定递增的趋势。总体上来说，在2010年至2019年，中部地区五个子系统的得分均有上升；对于西部地区而言，“企业经营环境”和“政府对企业的保护”虽在2015年存在过下降，但是之后保持稳定，其余的三个子系统得分则呈现出不同程度的上升。

2.营商环境指标变化趋势

从上图可以看出，在全国范围内，营商环境指标的均值从期初的???变为期末的???，增幅高达???，说明在这10年间，我国营商环境的整体水平有极大的提高。

还有一段话要加上去，具体对5个子维度进行细说。

从上图中可以看出，无论是全国范围内还是三大区域，营商环境指标均呈现出随时间稳定增长的趋势。

具体对5个子维度进行细说，结合统计数据说增幅情况。

分层情况相当明显。在2019年，对于东部地区而言，没有一个省市其营商环境指标小于0；而对于中部地区，河南省和吉林省营商环境指标小于0；对于西部地区，除了重庆、四川和广西三地外，其余省市的指标均小于0。

三、营商环境区域差异及其来源

年份 全国 东部地区 中部地区 西部地区 东-中 东-西 中-西 Gw Gnb Gt
2010 0.27 0.22 0.10 0.29 0.21 0.38 0.28 0.07 0.15 0.04
2011 0.27 0.23 0.11 0.28 0.20 0.37 0.28 0.07 0.15 0.04
2012 0.23 0.20 0.10 0.22 0.18 0.33 0.25 0.06 0.14 0.03
2013 0.22 0.20 0.10 0.20 0.18 0.31 0.22 0.06 0.13 0.03
2014 0.21 0.20 0.10 0.17 0.18 0.29 0.20 0.06 0.12 0.03
2015 0.20 0.20 0.09 0.16 0.18 0.28 0.19 0.06 0.12 0.03
2016 0.21 0.20 0.10 0.19 0.18 0.29 0.20 0.06 0.12 0.03
2017 0.23 0.22 0.13 0.19 0.20 0.30 0.21 0.06 0.12 0.04
2018 0.24 0.23 0.13 0.21 0.22 0.32 0.21 0.07 0.12 0.05
2019 0.24 0.22 0.14 0.18 0.23 0.32 0.20 0.07 0.13 0.05

1.全国整体差异

为了直观展示全国总体和三大区域内的差异随时间的演变趋势，本文基于上表的数据做出上图所示的折线图。其中，横轴代表年份，纵轴为对应年份的区域内基尼系数。对于全国层面而言，整体基尼系数的均值为0.23，并在0.204~0.266的范围内波动，说明中国整体层面上的营商环境指标存在的一定地区差异性，但就绝对数值而言，整体差异的程度比较低。

首先，从总体基尼系数的形状来说，整体基尼系数随时间的变化趋势呈现出一个“U”型结构，在2010年至2015年不断下降，而在之后的年份则保持增长，并且增长的速度在2018年有所放缓。其次，结合具体数值，在下降期内，全国整体基尼系数由期初的0.266下降至2015年最低点的0.204，降幅为30.39%，年平均减速为1.24%；而在上升期内，最高点为期末的0.239，虽然总体基尼系数并未恢复到期初2010的最高水平，但以年平均0.70%的速度持续稳定增长，可预见的是这一数值将会不断增大。综合上述信息，可说明中国整体营商环境指标水平存在具有地区上非均衡的特征，而这种非均衡虽在一段时间内得到过改善，但当营商环境的重要性日益凸显时，由于各地经济发展水平、地理位置以及政府政策上的差别，导致政府对企业的营商环境进行优化改善时的重视程度和执行力度都各不相同，从而使得整体基尼系数之后又转至上升，这些最终导致总体的非均衡现象呈现增强态势。

2.区域内差异

3.区域间差异

第一，综合对比三条线的相对位置。从上图中可以发现，始终处于最上方的是东部地区和西部地区的地区间差异。对于中部地区和西部地区的差异来说，虽在最后两期内要低于东部地区和中部地区间的差异，但整体上来说中西之间的差异依然排在第二位。这说明在三区域间的差异中，“东-西”间的差异最大，其次“中-西”，最次“东-中”。

第二，对于涉及到东部地区的“东-中”和“东-西”两线来说，其变化的趋势基本吻合，均呈现出一个“U”型结构。只是“东-中”线在下降段的2010年至2015年更平坦，而在上升段的2015年至2019年更陡峭。具体而言，在下降期，“东-西”线的极大、极小值分别为0.3767和0.2838，在6年内减幅为32.75%，年平均降低速度为1.55%。而“东-中”线的极大、极小值分别为0.205和0.1769，在6年内减幅为15.88%，年平均降低速度为0.47%。而在上升期，对于“东-西”先来说，其期末对应的极大值为0.3203，并未恢复到期初极大值的0.3767，而上升期的年平均速度为0.91%，这说明虽在样本期末“东-西”间的差距有所回升，但对于本文的考察期而言，两地区间的差距呈现缩小态势，且具体减幅为17.61%。对于“东-中”线的上升期，其增长势头明显强于“东-西”线，在期末其极大值0.2343，上升期4年内的年平均增速为1.44%，近似为下降期减速的3倍。综合这条线反映的信息，可以推断在2010年至2015年下降期内，由于东部地区营商环境改善的速度放缓，从而导致东部地区和另外两区域间的绝对差距在不断缩小，而在2015年转折点之后，东部地区营商环境指标的提升速度显著提高，从而又和另外两地区拉开了差距，而自始至终西部地区营商环境指标的提升速度要始终高于中部地区，从而导致两条线弯曲程度的差异。

第三，对于“中-西”线来说，除去在2010年至2011年和2015年至2017年出现的短暂上升外，整体上还是呈现出下降的趋势。而其下降的区间根据减速的不同又可分为2011年至2015年的第一个下降期和2017年至2019年的第二个下降期。在第一个下降期内，年平均减速为1.78%，而第二个下降期内为0.41%。值得注意的是在2019年，中部地区和西部地区间的差距为0.2006，依然没有回到历史最低点，也即2015年的对应的0.1942。虽然如此，但依照“中-西”线所呈现的趋势来看，中部地区和西部地区间的差距将会不断的缩小。

结合以上三点信息，本文认为东部地区和另外两地区的差异虽在2010年至2015年有过下降，但是之后东部营商环境的改善力度得到加强，从而又拉大了与其他地区的差距，并且根据“东-西”和“东-中”两线的走势来看，这样的差距在未来可能还会持续增加；其次，“中-西”线的情况反映虽然西部地区营商环境的初始禀赋要差于中部地区，但不断下降的走势说明两地之间的差距正在不断的缩小，西部地区营商环境的追赶效应尤为明显。

4.区域差异来源及其贡献

四、营商环境的动态分布演进特征

Dagum基尼系数基于营商环境相对差异的角度，从三大区域间和区域内的角度展示了营商环境指标分布的空间变化过程。为近一步展示营商环境指标的绝对差异，本文采用核密度估计法，分析核密度估计（KDE）曲线的中心位置、形态、延展性和极化趋势等，对样本考察期内中国营商环境指标的动态分布特征与时变演变趋势进行研究。假设\(f(x)\)为中国营商环境指标\(x\)的密度函数，则有：

\[\begin{equation} f(x)=\frac{1}{N h} \sum_{i=1}^{N} K\left(\frac{X_{i}-x}{h}\right) \end{equation}\]

其中，\(N\)为观测值个数，\(X_i\)表示独立同分布的观测值，\(x\)则表示观测值的均值，\(K(^.)\)表示核密度函数，\(h\)为带宽。为估计上的精确，本文使用高斯核密度函数对全国整体和三大区域营商环境指标的动态分布演变进行估计。其中，高斯核密度函数为：

\[\begin{equation} K(x)=\frac{1}{\sqrt{2 \pi}} \exp \left(-\frac{x^{2}}{2}\right) \end{equation}\]

1.全国整体层面

上图表示了全国30个省份在2010年至2019年内营商环境指标的动态分布情况。其中，横轴是营商环境指标得分，纵轴是样本考察期，图形内的三条虚线分别表示2.5%、50%和97.5%的分位数。

首先，KDE曲线的中心位置虽在2015年至2018年变化幅度不大，但整体呈现出右移趋势，这说明在全国整体层面上，营商环境是稳步提高的。

其次，波峰的高度以一定的速度持续下降，同时曲线覆盖的宽度持续增加，这反映出一些省份对营商环境重视度的提高，着手提高当地的企业经营环境，因此其营商环境指标渐渐与其他地区拉开差距。

除此之外，就KDE曲线的分布延展性来说，曲线左侧极值呈现出先减小再增大的规律，而右侧极值则是先增大再稳定，两侧极值之间的距离持续增长。这样的右偏分布说明低营商环境指标的省份具有较高的核密度估计值，而高营商环境指标的省份占有的核密度估计值则较少，说明营商环境较为良好的地区依然集中在少部分省市。

最后，对于波峰个数的变化，虽在本文的考察期内，全国层面的KDE曲线并未呈现出明显的多峰，但在2017年之后，波峰外凸程度不断下降，且在2019年时，50%分位数的位置已经不再对应波峰最高点。结合以上信息，本文认为以30个省份为代表的全国营商环境指标存在着梯度效应，处于第一梯度的各省其营商环境指标逐年提高，而处于末尾梯队省份的营商环境则基本处于停滞状态，也即两极分化的演变趋势逐渐展现。

2.不同区域层面

上图展示了三大区域内部营商环境指标的动态分布情况。首先，无论是哪一个区域，代表KDE中心位置的50%分数线不断右移，说明三个地区营商环境指标均是不断得到优化的，这一点和之前关于全国整体层面上KDE曲线中心右移的情况一致。

具体而言，对于东部地区，主波峰由“尖而窄”向“扁而平”转换。同时，波峰的高度持续一定的速度下降，曲线覆盖面积不断扩大。除此之外，整个KDE曲线逐渐由单波峰向两波峰演变。综合这几点信息，说明东部地区的营商环境指标，其内部的绝对差异不断的扩大，存在两极分化的趋势。

其次，对于中部地区，波峰的高度以较快的速度下降且覆盖面积随之增加。同时，曲线在样本观测期内便实现了由单波峰向多波峰的转变，且两峰之间的距离不断的拉大。除此之外，2019年和2018年的右侧拖尾在虽较之于2017年有所左移，但是在整个观测期内还是呈现出明显的右侧拖尾拓宽的规律。这表明中部地区内部各个省份之间营商环境指标的追赶势态十分激烈，且各地的营商环境指标改善速度有较大的差别，从而导致区域内部营商环境指标间差距分化程度的加深。

最后，对于西部地区来说，不同于前两个地区波峰高度逐渐的下降，西部地区KDE曲线的波峰高度是不断上升的，且主峰的宽度逐渐减小。同时，在期末几期出现两个侧峰，且主峰和侧峰的相对位置不断扩大，这说明西部地区营商环境存在十分明显的三极分化现象。同时，两侧的侧峰对应的覆盖的面积持续增加，表明“低”、“中”和“高”营商环境指标省市的差距在不断的增大，也即西部地区内部省份与省份之间的绝对差异以一个递增的速度在扩大。

五、营商环境收敛性分析

1.营商环境\(\sigma\)收敛分析

\[\begin{equation} \sigma_{t}=\frac{\sqrt{\frac{1}{n} \sum_{i=1}^{n}\left(Index_{i t}-\frac{1}{n} \sum_{i=1}^{n} Index_{i t}\right)^{2}}} { \frac{1}{n} \sum_{i=1}^{n} Index_{i t}} \end{equation}\]

2.营商环境\(\beta\)收敛分析

\[\begin{equation} \ln \left(\frac{Index_{i, t+1}}{Index_{i t}}\right)=\alpha+\beta \ln Index_{i t}+\eta_{t}+\lambda_{i}+\varepsilon_{i t} \end{equation}\]


模型 全国 东部地区 中部地区 西部地区
贝塔系数 -0.607*** -0.320*** -0.261*** -0.726***
(-3.94) (-6.20) (-2.61) (-5.88)
常数项 -0.687*** -0.311*** -0.261* -1.803***
(-3.56) (-5.23) (-1.88) (-5.27)
地区固定效应 控制 控制 控制 控制
时间固定效应 控制 控制 控制 控制
观测值 269 99 72 98
整体拟合优度 0.741 0.549 0.683 0.841

六、营商环境空间集聚特征分析

Moran’s I指数可看作省市营商环境指标的乘积和，并在[-1,1]的区间内波动。如果Moran’s I指数大于 0，则说明营商环境指标在空间集聚上存在着正自相关， 即临近区域间的营商环境指标具有相似属性， 营商环境良好的省市更倾向于集聚在一起，而营商环境指标较低的省市和同样较低的省市集聚。在其数值为正数情况下，越大的Moran’s I指数意味着空间分布上的正自相关性越强， 集聚的强度也越大；若其数值小于 0， 则说明存在空间分布上的负自相关，营商环境发展水平高的省市和营商环境发展水平低的省市更易集聚在一起。同时，越小的数值表明各空间单位的离散程度越大；若其数值为0， 则说明营商环境指标的空间分布是近似随机的，省市间不存在明显空间相关性。

上图中的折线图反映了Moran’s I指数随年份变化的趋势，下方的柱状图表示相应年份，Moran’s I指数对应的P值。首先，可以发现，在10年的考察期内，有4年的Moran’s I指数是在5%的显著性水平上显著，而剩下的6年则至少是在10%的显著性水平上显著，在统计上说明了Moran’s I指数是有说服力的。其次，在考察期内，所有的Moran’s I指数均大于0，且最高点的0.183在2012年取得，最低点的0.122在期末取得。这说明在中国整体层面上，Moran’s I指数的正空间集聚性是一直存在的。最后，Moran’s I指数虽在2012年和2016年有过短暂的上升，但是从整体上来说则是呈现出下降的态势，这一点和之前\(\beta\)收敛分析的结果具有一致性，说明在整体层面上营商环境指标在空间上的分散化程度在逐渐降低。除此之外，由上图还可以发现，2012年至2015年下降的速度明显要高于期末三年的下降速度，逐渐放缓的下降速度也和之前全国\(\sigma\)曲线呈现的“U”型形状相对应。

虽然全域Moran’s I指数可以描绘营商环境指标在整体上的空间自相关性，但为近一步研究地区间的空间集聚性，本文采取局域Moran’s I指数分析。在局域Moran’s I指数分析中，一般是通过图形来展示不同地区的空间关系模式。 具体而言， 通过在二维平面上绘制局域Moran’s I指数散点图，将各省市的营商环境指标分为 4 个象限的集群模式。具体而言，第一象限为“高-高”组合，表示营商环境指标高的省市被同是高营商环境指标的省市集聚；第二象限为“低-高”组合，表示营商环境指标较低的省市被高指标省市包围；第三象限为“低-低”组合，表示营商环境指标水平低的省市被同为较低指标的省市包围；第四象限为“高-低”组合，表示营商环境指标高的省市被低指标的省市包围。由于局域Moran’s I指数只能展示同一年份内的空间分布，为使结论具有说法力，本文分别选取代表期初的2010年、代表期中的2015年和代表期末的2019年对应的Moran’s I指数散点图进行说明。

从上图中不难发现，三条线性拟合线均是正斜率，这一点和全局Moran’s I指数恒为正向符合。其次，近似75%的散点都处于第一象限或第三象限内，这说明营商环境指标在绝大多数省市内存在“高-高”或“低-低”的空间集聚特征。近一步，根据散点的颜色可知，第三象限中的散点近乎全是西部地区，而处以第一象限中的散点则完全由中部和东部地区组成。这说明西部地区省市及其临近省市的营商环境指标也同样较低，而东部省市及其临近省市的营商环境指标都比较高，这种地域上的梯度效应十分明显。最后，纵向对比不同年份的散点图可以发现，在期末，西部地区虽有四川、重庆、贵州和陕西四省市已经离开第三象限。但是整体上，线性拟合的正斜率和散点的分布状态并未有

七、结论